基于物理原理的二阶哈密顿系统状态变量发现
人工智能
2024-08-22 v1
摘要
动力学系统的建模是描述、预测和控制自然现象及工程系统中普遍关切的议题。当前数据驱动方法常常假设已知相关状态变量，或导致状态空间过于冗余。Boyuan Chen 等人提出一种神经网络模型，用于估计自由度并尝试发现动力学系统的状态变量。尽管该基线模型具有创新性，但缺乏与其分析系统所受物理原理制约的联系，导致状态变量不可靠。本研究提出一种方法，利用二阶哈密顿系统的物理特性来约束基线模型。所提方法在识别最小化且非冗余、可解释的状态变量方面优于基线模型。
引用
@article{arxiv.2408.11691,
title = {Physics-informed Discovery of State Variables in Second-Order and Hamiltonian Systems},
author = {Félix Chavelli and Zi-Yu Khoo and Dawen Wu and Jonathan Sze Choong Low and Stéphane Bressan},
journal= {arXiv preprint arXiv:2408.11691},
year = {2024}
}